基于多个混合核函数的SVM决策树算法设计

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (8): 142-144.

基于多个混合核函数的SVM决策树算法设计

薛欣贺国平

山东科技大学山东科技大学

收稿日期:2006-07-14 修回日期:1900-01-01 出版日期:2007-03-11 发布日期:2007-03-11
通讯作者: 薛欣

Designing the Algorithm of SVM Decision Tree
Based on Many a Mixture of Kernels

XUE Xin 1,2 HE Guoping1

.College of Info. Sci. & Eng.,SUST, Qingdao Shandong 266510,China;
2.Dept. of Math., Taishan University, Taian Shandong 271021,Chin

Received:2006-07-14 Revised:1900-01-01 Online:2007-03-11 Published:2007-03-11

摘要/Abstract

摘要： 不同的核函数具有不同的特性，SVM决策树中每个子SVM面对的分类对象不同，选取的核函数及其参数也应该不同。通过调节混合核函数的参数形成不同的核函数，给出了一个用多个混合核函数训练SVM决策树的多类分类算法。仿真试验表明，该算法与只用一个核函数训练SVM决策树的算法相比，具有较高的分类精度。

关键词: 核函数, SVM决策树, 混合核函数

Abstract: Different kernel function has different characters. Every sub-SVM should have different kernel in SVM decision tree. An algorithm of SVM decision tree based on many a mixture of kernels is given. Experimental results show that the algorithm of SVM decision tree based on different kernels has higher force of classification than that with only one kernel.

Key words: kernel function, SVM decision tree, mixture of kernels

薛欣贺国平. 基于多个混合核函数的SVM决策树算法设计[J]. 计算机工程与应用, 2007, 43(8): 142-144.

XUE Xin 1,2 HE Guoping1

. Designing the Algorithm of SVM Decision Tree
Based on Many a Mixture of Kernels
[J]. Computer Engineering and Applications, 2007, 43(8): 142-144.

[1]	邓利芳，党建武，王阳萍，王松. 结合混合核特征映射的空域图像隐写分析[J]. 计算机工程与应用, 2021, 57(9): 118-125.
[2]	谢艺菲，卢琪，刘鑫，胡亚豪，潘志松，陈浩. 基于图的多层次注意力事实验证算法[J]. 计算机工程与应用, 2021, 57(10): 146-153.
[3]	赵童，黄钲，王秀超，李淼，张昀，郑秀娟，刘凯. 心理测试中掩饰行为的识别研究[J]. 计算机工程与应用, 2020, 56(20): 158-164.
[4]	魏锋涛，卢凤仪. 融合核函数在改进径向基代理模型中的应用[J]. 计算机工程与应用, 2019, 55(7): 58-65.
[5]	石凯1，2，聂富强1，孙峰2. 多维数据判别分析的非参核密度算法研究[J]. 计算机工程与应用, 2019, 55(6): 8-12.
[6]	张晓琴1，刘玲1，郭鑫垚2. 基于HSIC0的类间非线性相关系数度量[J]. 计算机工程与应用, 2019, 55(3): 46-49.
[7]	罗康洋，王国强. L-SMOTE与SVM结合的不平衡数据集分类研究[J]. 计算机工程与应用, 2019, 55(17): 55-62.
[8]	颜学龙，陈卓. PSO优化多核RVM的模拟电路故障预测[J]. 计算机工程与应用, 2019, 55(12): 140-144.
[9]	王一宾，田文泉，程玉胜，裴根生. 基于核极限学习机的标记分布学习[J]. 计算机工程与应用, 2018, 54(24): 128-135.
[10]	周水生，王保军，安亚利. 基于LS-SVM方法求高阶线性ODE近似解[J]. 计算机工程与应用, 2018, 54(23): 51-56.
[11]	刘学博，李灯熬，赵菊敏，廖述剑. 基于变步长支持向量机的J波自动检测方法[J]. 计算机工程与应用, 2017, 53(23): 203-207.
[12]	顾鹏程，黄福珍. 基于改进Chan-Vese模型的电力设备红外图像分割[J]. 计算机工程与应用, 2017, 53(10): 193-196.
[13]	李新春，于抒平，王波. 一种改进的非局部均值算法[J]. 计算机工程与应用, 2016, 52(5): 185-189.
[14]	何晶，吴成茂. 核空间隐马尔可夫随机场图像模糊聚类[J]. 计算机工程与应用, 2016, 52(22): 185-191.
[15]	徐少飞，刘政怡，桂斌. 基于循环核矩阵的自适应目标跟踪算法[J]. 计算机工程与应用, 2016, 52(20): 177-181.